专题课程一：CADD计算机辅助药物设计药物研发专题培训班专题课程二：AIDD人工智能药物虚拟筛选与毒性预测专题培训班
专题课程三：蛋白-分子对接虚拟筛选Amber分子动力学专题培训班
计算机辅助药物设计（CADD）是以量子力学和分子力学的分子模拟理论为基础，通过模拟、计算或模型学习，预测药物与靶标分子之间的作用，筛选、设计和优化先导化合物的方法。而在此次新冠肺炎疫情中，计算机辅助药物设计也为抗病毒药物研发，贡献上关键的力量。CADD的优势：提高药物设计命中率、增加成功率、降低研发成本、缩短研发周期。
（AIDD）人工智能助力药物筛选可以预测药物分子理化性质、药物分子生物活性、药物分子毒性、目标蛋白结构、药物的相互作用、从头设计新药物实体、人工智能正不断降低药物研发周期。AIDD不仅可以帮助快速和轻松地识别靶标化合物，而且有助于建议这些分子的合成路线，预测所需的化学结构，了解药物-靶标相互作用及其SAR。
由于国内药物研究发展缓慢，学习平台文献资料较少，培训学习迫在眉睫，应广大科研人员要求，本单位经过数月调研，决定联合AIDD+CADD专家举办“CADD计算机辅助药物设计+AIDD人工智能药物虚拟筛选与毒性预测+蛋白-分子对接虚拟筛选Amber分子动力学”专题培训班，本单位已经举办5期培训，参会人员参加近300余人，对于培训安排和培训质量一致评价极高
培训对象
全国各大高校、企业、科研院所从事人工智能、生命科学、蛋白质、药物、微生物制药、生物信息学、植物学，动物学、农药学、食品、化学化工，医学等研究的科研人员以及人工智能爱好者
培训目标
让学员能够掌握计算机辅助药物设计（CADD）在药物研发中的应用，包括三维定量构效关系（3DQSAR），分子对接多个软件、多个对接方法、虚拟筛选、分子动力学gromacs、Amber模拟等领域常用软件的操作，熟悉基于受体的药物设计的基本原理，以及所设计化合物的药代动力学预测等。
通过本次培训，学员可以学会如何利用传统机器学习模型和深度学习模型，对大批量的小分子药物进行基于结构的虚拟筛选和化合物毒性预测，学会人工智能、深度学习、计算机辅助药物设计操作技能，独自完成自己的课题研究项目
培训特色
1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿
2、学习模式--理论知识与上机操作相结合，让零基础学员快速熟练掌握
3、课程服务答疑--主讲老师将为您实际工作中遇到的问题提供专业解答
培训讲师
主讲老师来自国内高校、中科院等单位，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究，在我们单位长期进行授课，讲课内容和授课方式以及敬业精神受到参会学员的一致认可和高度评价
课表内容
课程一、CADD计算机辅助药物设计药物研发专题培训班
第一天
药物设计的原理和方法
1.1药物设计的基本原理
1.2基于受体的药物设计方法
1.3基于配体的药物设计方法
蛋白质结构数据库
蛋白质结构数据库（PDB）的使用方法
2.1靶点蛋白的结构查询和选取
2.4靶点蛋白的三维结构分析
2.5靶点蛋白的活性位点预测
实例讲解与练习：
基于EGFR野生型与突变型靶点受体结构变化理解药物设计原理
基于HDAC不同亚型结构的结构区别理解药物选择性
第二天
分子对接和虚拟筛选
分子对接过程及结果分析
3.1分子对接原理
3.2分子对接方法
3.3靶点蛋白晶体结构的选取
3.4靶点蛋白前期优化准备
3.5靶点蛋白活性位点表征
3.6数据库的处理和优化
3.7对接算法的选择和对接评分
3.8对接结果分析
3.9基于分子对接的虚拟筛选方法
3.10配体数据库的选择与处理
3.11虚拟筛选常见问题
(1)基于分子对接技术筛选EGFR小分子抑制剂
(2)基于分子对接技术筛选HDAC小分子抑制剂
第三天
分子动力学模拟
分子动力学模拟入门与实操
4.1分子动力学概述
4.2分子动力学的基本原理
4.3利用Desmond软件入门分子动力学模拟
4.4蛋白质-配体复合物的模拟
4.5分子动力学结果分析
基于PKB靶点抑制剂的分子动力学模拟
基于EGFR-gefitinib复合物的分子动力学模拟
第四天
基于三维定量构效关系（3DQSAR）
5.三维定量构效关系（3DQSAR）的基本原理与实操
5.1定量构效关系的基本原理
5.23DQSAR在药物设计中的应用
5.3CoMFA模型的构建
5.4CoMSIA模型的构建
5.5构建模型的数据优化
5.6结果分析
基于PKB抑制剂的3DQSAR建模
上述模型优化提高Q2
课程二、AIDD人工智能药物虚拟筛选与毒性预测专题培训班
（人工智能药物开发理论讲解与软件安装）
1.人工智能简介
1.1人工智能分类
1.2人工智能发展历程
2.人工智能在药物开发中的应用
2.1药物开发流程
2.2人工智能在药物开发中的主要应用
2.2.1基于结构的虚拟筛选（论文串讲）
2.2.2基于人工智能方法的新药设计（论文串讲）
3.常用工具的介绍与安装
3.1miniconda
3.2scikit-learn
3.3RDKit
3.4Pandas
3.5NumPy
机器学习虚拟筛选（分类）
1.基于配体结构的虚拟筛选——分类模型的构建与应用
1.1数据处理与特征化（RDKit，Pandas）
1.1.1数据标准化
1.1.2数据特征化
1.2模型构建（Sklearn）
1.2.1支持向量机算法原理
1.2.2随机森林算法原理
1.2.3k最近邻算法原理
1.2.4极限梯度提升算法原理
1.3模型评估
1.3.1模型的评估方法
（1）交叉验证
（2）外部验证
1.3.2分类模型的常用评价指标
（1）混淆矩阵
（2）准确率
（3）敏感性
（4）特异性
1.4模型选择
1.4.1参数格点搜索
2.分类模型的实例讲解与练习
以给定数据集为例，讲解基于支持向量机算法的毒性预测模型的构建与使用。引导学员自行实现基于其他三种算法的毒性预测模型，并用于小分子化合物的毒性预测。
机器学习配体结构虚拟筛选（回归）
1.1分类模型与回归模型的异同
1.2回归模型常用评价指标
2.回归模型的实例讲解与练习
以给定数据集为例，讲解基于支持向量机算法的pIC50值预测模型的构建与使用。引导学员自行实现基于其他三种算法的pIC50值预测模型，并用于小分子化合物pIC50值的预测。
深度学习小分子药物毒性预测建模实操
1.深度学习简介
1.1深度学习的发展历程
1.2深度学习在药物开发中的应用
2.深度学习的主要算法与工具
2.1深度神经网络的基本原理
2.1.1基于梯度的学习
2.1.2架构设计
2.1.3反向传播算法
2.1.4深度模型中的优化——随机梯度下降
2.2其他常用深度神经网络算法及其基本原理
2.2.1卷积神经网络
（1）卷积运算
（2）池化
2.2.2循环神经网络
（1）循环神经网络的梯度计算
（2）基于上下文的循环神经网络序列建模
2.3深度神经网络的常用工具
2.3.1PyTorch
2.3.2TensorFlow
3.基于PyTorch的多层感知机算法的实例讲解与练习
以给定数据集为例，讲解基于PyTorch的多层感知机的毒性预测模型的构建与使用。
课程三、蛋白-分子对接虚拟筛选Amber分子动力学专题培训班
药物发现与设计和临床试验的关系
1.1药物发现与新药研发流程;
1.2临床前研发与临床研发的区别;
1.3FDA批准新药的历史与展望;
药物发现与设计的发展史
2.1计算机发展史;
2.2人工智能发展史;
2.3计算机辅助药物设计发展史;
3.1商业药物设计软件介绍。
3.2开源药物设计软件介绍与安装。
3.3Python编程在药物发现与设计中的应用介绍;
药物发现与设计的基本原理
4.1基于结构的药物发现与设计;
4.2基于配体的药物发现与设计;
4.3基于片段的药物发现与设计;
数据采集与分子库构建
5.靶点蛋白与化合物数据库构建:
5.1靶点蛋白数据库介绍与构建;
5.2多肽/多糖/多酚化合物数据库构建;
5.3小分子化合物数据库构建;
蛋白-小分子对接
6.AutoDockVina分子对接案例实操:
6.1靶点蛋白晶体蛋白PDB获取;
6.2靶点蛋白和小分子的格式转化;
6.3靶点蛋白对接活性位点的寻找;
6.4分子对接脚本的编写与演示;
6.5分子对接结果在PyMOL中的结果展示与解读;
6.6运用Autodockvina进行小分子化合物药物批量筛选;
蛋白-蛋白分子对接
7.蛋白-蛋白分子对接:
7.1靶点蛋白的收集;
7.2靶点蛋白的预处理;
7.3靶点蛋白对接活性位点分析;
7.4蛋白-蛋白生物大分子对接;
以目前火热的靶点PD-1/PD-L1等为例。
蛋白-多肽分子对接
8.蛋白-多肽/多糖/多酚分子对接:
8.1多肽的预处理;
8.2靶点蛋白的预处理;
8.3靶点蛋白对接活性位点分析;
8.4蛋白-多肽分子对接;
以目前火热的新冠多肽药物为例。
虚拟筛选案例分析
9.虚拟筛选实操
9.1数据集的准备
9.2构建机器学习分类模型
9.3机器学习分类模型的验证
9.4交叉对接
9.5分子对接
9.6分子对接评估方法
9.7机器学习分类模型的评估
9.8基于机器学习模型的第一次虚拟筛选
9.9基于分子对接的二次虚拟筛选
9.10交叉对接结果分析
9.11分子对接富集分析与结果评估
10.分子动力学案例演示
10.1LinuxUbuntu16.04系统的安装介绍与实操;
10.2Amber软件的安装实操;
10.3利用Autodock对小分子进行对接;
10.4分子动力学全过程讲解与实操实现;
10.4.1蛋白晶体的准备
10.4.2小分子化合物的准备
10.4.3分子对接实操
10.4.4利用ACPYPE对小分子进行处理生产力场或拓扑文件
10.4.5蛋白与小分子复合物的准备
10.4.6能量最小化
10.4.7对复合物体系进行加热加压
10.4.8分子动力学过程
10.4.9分子动力学结果展示与解读
以索拉非尼和阿帕替尼以及PD-1抑制剂药物为例进行分子动力学模拟。
课外增值福利（赠送培训视频，此内容不做讲解，有录制好的精品视频）
赠送一、AlphaFold2学习视频
蛋白质结构与小分子药物库获取
机器学习加速预测小分子药物
AlphaFold2机器学习模型对蛋白结构预测
实战蛋白结构预测目前最好的人工智能模型AlphaFold2。
赠送二、Python爬虫编程基础与实战演练
Python爬虫应用实战—爬取ZINC数据库化合物结构
Python爬虫应用实战—小分子化合物活性数据收集
小分子化合物分子描述符聚类分析
小分子化合物分子描述符主成分分析
赠送三、蛋白结构可视化与同源建模
Pymol蛋白结构软件
同源建模的功能及使用场景
modeller同源建模
模型评价（蛋白拉曼图）
注释：
赠送学习视频为往期的培训视频，都是老师在线讲解录制的精品视频，报名成功即赠送学习
培训部分精美案例图片
课程一：CADD计算机辅助药设计药物研发专题培训班
2022.01.15-2022.01.16（09:00-11:30）--（13:30-17:00）
2022.01.22-2022.01.23（09:00-11:30）--（13:30-17:00）
四天共计二十四小时培训
（腾讯会议线上实操）
2022.01.18-2021.19（09:00-11:30）--（13:30-17:00）
2022.01.20-2021.21（09:00-11:30）--（13:30-17:00）
课程三、分子对接虚拟筛选Amber分子动力学专题培训班
（四天的培训内容干货满满上机实操）
报名费用
费用一：
课程一、CADD计算机辅助药设计药物研发专题培训班
公费价：每人每班￥5280元（含报名费、培训费、资料费）
自费价：每人每班￥4880元（含报名费、培训费、资料费）
报名优惠福利：报名一个课程专题可免费参加本单位后期举办的相同专题培训
费用二：
公费价：同时报名两个班共￥8880元（原价10560元含报名费，培训费、资料费)
自费价：同时报名两个班共￥8480元（原价10560含报名费、培训费、资料费）
费用三：
公费价：同时报名三个班共￥12880元（原价15840元含报名费，培训费、资料费)
自费价：同时报名三个班共￥12480元（原价15840元含报名费，培训费、资料费)
培训福利
报名缴费成功赠送基础学习视频和课件，参加本次课程的学员可免费再参加一次本单位后期组织的“人工智能药物发现与设计或CADD”专题培训班（任意一期都可以）
授课方式及学员反馈
（一）科研问题老师会一一解答
（二）学员对培训非常认可，而且我们保证二次学习是免费的